恢复教程

 近日，我们遇到了一例EMC DMX存储故障，在同一个Raid中两块硬盘发生故障，导致数据丢失，经抢救后数据成功恢复。由于存储设备中同一Raid短时间内损坏2块硬盘的现象非常少见，并且我们在没有备份的情况下成功恢复了数据，故将整个过程分享给大家。

 故障描述

    最近，我们接到客户报修EMC DMX800存储故障，联系客户后及时赶到现场。在登录系统时发现AIX报hdisk48 P H故障，大量I/O告警，遂与客户的应用部门联系，确认此盘无法读写，整个Oracle数据库已经挂死。

 处理过程

步骤一

    登录到DMX发现同一个Raid中两块硬盘损坏，通过附图（1-1）可以看到1FE中2b:C/06与15a:C/06两块硬盘均已损坏。所以我们尝试重置两块硬盘，使其完成invalid tracks至热备盘的同步。

    首先将2b:C/06硬盘拉起，并让其参与Hyper数据校验，尝试做数据修复，从附图（1-2）可以看到刚开始的时候是正常的，但是当同步到剩余487个invalid tracks时，硬盘修复进程报错停止（图1-3），并且再次拉起无用。继续尝试拉起15a:C/06做Hyper校验修复时，直接报该盘错误，无法启动（图1-4）。

    由于故障硬盘2b:C/06和15a:C/06同时在一个Raid5中，虽然2b:C/06经过强制拉起，但也只能读取部分数据，因此，丢失944 tracks（944*32KB=30MB）数据（图1-5）。

    步骤一虽然未能完成数据恢复，但是我们将此LUN解除了锁定。

步骤二

    在步骤一中，我们在存储端将1FE数据处理一致后，解除了锁定。此时该LUN已经可以对数据访问，在数据库上设置忽略坏块参数，数据库可以正常访问，随后将涉及到的表数据导出后，重新导入，业务恢复正常。

 经验分享

    EMC DMX中，当Raid5中同时两块盘故障时，该LUN因为数据不一致，会被存储锁住，造成数据hang住，此时切忌在主机端做其他操作（比如migratepv、Oracle ASM drop操作等），要等到存储端数据处理一致后，解除锁定，才可进行下一步的操作，否则会导致问题的进一步复杂化。

而对于EMC DMX存储的设计机制，尽可能的将LUN数据打散多个Hyper段上做Raid，也会对数据形成有效保护，这样即使发生此类极端情况，也可以使丢失的数据量降到最小，最大限度的保障数据安全。